MEMTIER：面向长期自主AI智能体的分层记忆架构与检索瓶颈分析

长期自主AI智能体受困于已被充分记录的记忆连贯性问题：在72小时运行窗口中，工具执行成功率因既有平面文件记忆系统的四种叠加失败模式而下降14个百分点。我们提出MEMTIER，面向OpenClaw智能体运行时的三分记忆架构：结构化情景JSONL存储、五信号加权检索引擎、注意力归因的认知权重更新循环、把情景事实晋升到语义层的异步整理守护进程，以及自适应检索权重的PPO策略框架（基础设施已验证；性能增益待camera-ready）。在完整的500题LongMemEval-S基准上，MEMTIER以Qwen2.5-7B在消费级6GB GPU上取得Acc=0.382、F1=0.412——较全上下文基线（0.050→0.382，即5%→38%）提升33个百分点。配合DeepSeek-V4-Flash事实预填充，单会话召回达0.686-0.714，超过该论文的RAG BM25 GPT-4o基线（0.560）；时间推理升至0.323、多会话合成升至0.173，表明结构化语义预填充在性质上改变了轻量检索能企及的范围。所有阶段均在6GB GPU的消费级笔记本本地运行。